1020 세대의 독특한 모바일 광고 시청법을 알고 있는지. 이들은 일부러 관심 있는 분야를 검색창에 입력해 넣는다. 하지만 막상 나오는 검색 결과는 보지 않는다. 검색 기록과 SNS 광고가 연동된다는 점을 이용해, 나중에 SNS 활동 중 자신이 원하던 제품 광고를 뜨면 그때야 광고 콘텐츠를 소비한다. 정확히 내 취향에 맞는 광고는 단순한 광고를 넘어 정보이자 콘텐츠가 된다.
최근 이커머스 기업들이 경쟁력 향상을 위해 주목하고 있는 키워드가 바로 ‘개인화’이다. ‘개인화’는 고객 하나하나에 대한 성향, 그들이 처한 상황, 요구 사항 등을 파악해 각각에게 맞춤형 서비스를 제공하고, 이를 통한 고객이 보다 나은 경험을 하도록 돕는 개념이다.
개인화를 위한 첫걸음은 고객 분석이다. 고객 분석이라고 하니 성별, 주거지 등을 기입한 회원 정보를 생각하는 경우가 많을 것인데, 안타깝게도 여기엔 문제가 있다. 실제 이커머스 서비스 데이터를 살펴보면, 회원 정보를 알 수 없는 비식별 고객, 즉 회원 가입을 하지 않았던가, 혹은 로그인하지 않은 상태에서 서비스를 이용하는 소비자가 70% 이상을 차지한다.
더 많은 고객을 이해하기 위한 ‘고객 행동 데이터’
회원 정보를 파악할 수 없는 비식별 고객이라도 어떤 이용자인지 식별이 불가능한 것이 아니다. 이들의 행동 데이터를 살펴보면 상황과 성향에 대한 가설을 세워볼 수 있다. 예를 들면 종합 패션/의류 쇼핑몰에서 남성 의류 카테고리의 상품을 자주 보고 있다면 남자라고 간주하는 식이다. 특정 상품에 대한 페이지 뷰가 많거나 찜하기를 하거나, 해당 페이지에 오래 머무는 행동들은 고객의 특정 상품에 대한 관심도를 의미한다.
그런데 이런 고객 행동 데이터는 때론 프로파일 데이터(성별, 취미 등이 명시적으로 기입된 데이터)보다 고객 성향을 더 정확하게 보여주기도 한다. 예를 들어, 특정 연령대를 겨냥한 상품 프로모션을 진행하면서, 회원들의 나이 정보를 활용했을 때보다, 해당 상품에 대한 행동 데이터를 활용했을 때 캠페인 성과가 더 높게 나오는 경우가 종종 있다. 중년층 타깃 프로모션이라고 했을 경우, 실제 나이는 중년이지만 중년 취향 상품을 싫어하는 사람도 있을 수 있고, 또 반대로 중년층이 아님에도 부모님께 선물을 자주 드리는 청년층이 주 소비자일 수도 있기 때문이다.
실시간 마케팅을 위한 ‘고객 행동 데이터’
마케팅 활동의 속도는 점점 빨라지며, 고객에게 메시지를 보내는 타이밍을 잡기도 더 까다로워지고 있다. 회원 정보나 웹 로그 등을 활용한 분석 작업을 진행한 후에 이를 근거로 고객 세그먼트를 만들어서 타겟팅 메시지를 보내는 마케팅 활동은 속도와 타이밍 면에서 많은 손실을 수반한다.
그래서 이커머스 업계에선 최근, 고객들이 서비스에 접속한 실시간 상황에서 메시지를 전달하는 이른바 ‘온사이트 마케팅’이 주목받고 있다. 회원 정보나 과거 구매 이력 등의 데이터가 아닌 현재 서비스에 접속 중인 고객 행동 데이터를 근거로 타겟팅 하는 것이다. 지금 우리 서비스에 접속한 고객이 어디서 왔는지, 무슨 행동을 하고 있는지에 따라 거기에 매칭하는 메시지를 실시간으로 전달하는 방식이다.
예를 들어 A 쇼핑몰이 포털 사이트 광고 집행을 통해 신규 회원을 모객하고 있다면, 포털에서 유입한 첫 방문 고객이 쇼핑몰에 관심을 충분히 보인 시점, 예컨대 4페이지 이상 둘러보는 타이밍에 신규 회원 가입 혜택을 제시할 수 있다. 또 고객들이 장바구니에 2만원어치의 상품을 담은 순간 3만원 이상 구매 시 무료 배송 혜택을 실시간으로 알려줄 수도 있다.
편의점에서 음료수를 하나 선택하여 계산대에 갔을 때 점원이 1+1 상품인 것을 알려주면 왠지 이득을 본 느낌이 드는 것 과도 비슷한 고객 경험이라 할 수 있다. 1+1 상품을 좋아할 고객을 찾아내기 위해 복잡한 분석을 하는 것보다도 특정 상품을 선택하는 행동을 한 시점에 즉각적으로 고객에게 도움이 될 수 있는 정보를 전달하는 것이 더 효과적일 수 있다.
AI 마케팅을 위한 ‘고객 행동 데이터’
온사이트 마케팅을 더욱 고도화하는 기술로 AI(인공지능) 기반 자동 타겟팅이나 개인화 상품 추천 등도 주목을 받고 있다. AI 기술을 개발하는 데에 있어서 무엇보다 중요한 것은 매우 다양한 변수(인자)를 발굴하여 활용하는 것인데, 고객 행동 데이터는 유형이 다양할 뿐만 아니라 이를 다양한 관점에서 재정리하거나, 복합적으로 결합하여 활용하는 데에 있어서도 매우 유용하다. 소비자들의 행동이 다양해질수록 서비스 담당자는 머리가 아프겠지만, AI에겐 오히려 분석의 밑거름이 되는 재료가 된다.
모든 서비스 담당자들이 당장 AI 기술을 직접 개발할 수 없을 것이다. 하지만 이런 기업이라도 우선 고객 행동과 관련한 데이터를 축적해두고 이에 대한 이해를 높여간다면 서비스 개념의 솔루션 기술을 적용하는 데 유리하며, 언젠가 기업 내에 기술을 내재화하는 기회를 마련할 수 있을 것이다.
*해당 콘텐츠는 제일매거진 ‘인사이트’에 게재된 기사로 제일기획 동의 후 본문을 게시하였습니다.
